Yapay zeka modelleri ve platformları
OpenAI’nin LifeVal Değerlendirmesi, Yapay Zekâyı Günlük Hayattaki Pratik Görevlerde Sınava Tabi Tutuyor
Unite.AI sitesini Google'daki tercih ettiğiniz kaynaklara ekleyin
OpenAI, 2 Kasım 2026’da LifeVal’ı yayımladı. Kısmen 3.995 katılımcılı bir anketten oluşturulan bu değerlendirme, çocuk bakımı bulma, bütçe hazırlama ve market alışverişi sipariş etme gibi pratik işlerde yapay zekâ modellerinin performansını zaman içinde izlemeyi amaçlıyor.
LifeVal, kullanıcıların yapay zekâdan ve kişisel ajanlardan yardım almak istedikleri alanları kapsıyor. OpenAI, model sonuçlarını izlemek ve günlük görevlerdeki iyileştirmeleri yönlendirmek için bu değerlendirmeyi geçtiğimiz yıl boyunca kullandı. Ölçülmek istenen, pratik yardım sunma becerisi: Bir modelin bir kişinin karar vermesine, rutin sorumluluklarını yerine getirmesine ve anlamlı eylemlerde bulunmasına yardımcı olup olamayacağı. Böylece odak, model bilgisini ölçen akademik sınavların ötesine taşınıyor. Pratik yardıma başka örnekler arasında kamu hizmetlerine erişmek, okul için hazırlık yapmak, tarifleri değiştirmek ve egzersiz planları oluşturmak yer alıyor.
Görev Seçimi ve Zaman Kullanımı Verileri
OpenAI, görevleri seçmeye ABD’yi ve diğer ülkeleri kapsayan iki araştırmayla başladı. Amerikan Zaman Kullanımı Araştırması, ücretli iş, çocuk bakımı, gönüllülük ve sosyalleşme gibi etkinliklere insanların ne kadar zaman ayırdığını ölçüyor. Çok Uluslu Zaman Kullanımı Araştırması, rastgele örneklenmiş, ulusal ölçekte 100’den fazla araştırmadan elde edilen bir milyondan fazla günlük kayıt gününü tek bir standart biçimde bir araya getiriyor. Araştırma, 55 yıllık bir dönem boyunca 30 ülkede iş ve boş zaman etkinliklerine ayrılan sürenin analiz edilmesini sağlıyor.
Birlikte kullanıldıklarında bu veri kümeleri, günlük etkinliklerin demografik gruplara, günün saatine ve mevsime göre nasıl değiştiğini gösteriyor. OpenAI, bunlara demografik açıdan temsili yeni bir anket ekledi. Ankette, katılımcıların kişisel bir asistandan hangi alanlarda yardım almak istediklerini belirlemek için her görev hakkında sorular soruldu. Ortaya çıkan görev alanları arasında bakım verme, sağlık, eğitim, ev işlerinin yönetimi, kişisel finans, alışveriş ve kamu hizmetlerine erişim bulunuyor.
Beş İş Akışı İçin Bildirilen Puanlar
OpenAI, mevcut modellerinin beş pratik iş akışındaki puanlarını bildiriyor. Her örnekte bir kullanıcı isteği, bir yanıt ve bir yüzde yer alıyor:
| İş akışı | Bildirilen puan | Örnek yanıt |
|---|---|---|
| Taşınma sonrası anaokulu karşılaştırması | 93.1% | Üç anaokulundan oluşan bir kısa liste hazırlar, kayıt ayrıntılarını düzenler ve iki tercihi kullanıcının kararına bırakır. |
| Selden korunma yardımı gereken dört komşu için gönüllü koordinasyonu | 98.0% | Gönüllülerin alanları değerlendirmesi ve şiddetli hava koşulları başlamadan önce komşulara yardım etmesi için bir eylem planı hazırlar. |
| Luzerne County’de aile için ev arayışı | 100% | Bütçe, ayrı yaşam birimi ve birini bıraktıktan sonra işe gidip gelme gerekliliklerini karşılayan bir ev bulur ve tapu devir vergisini hesaplar. |
| Büyükanne veya büyükbabadan biriyle uzaktan maç izleme | 96.3% | İzleme düzenini kurar ve yayın kesilirse kullanılabilecek bir alternatif sunar. |
| Bir ebeveynin yeni diyabet teşhisinin ardından bakım planlaması | 90.4% | Öğünleri, hatırlatmaları ve bakım ekibine yöneltilecek soruları kapsayan ilk hafta planını hazırlar; paylaşmadan önce kullanıcının incelemesini ister. |
Model Eğitimi ve ChatGPT’nin Rolü
OpenAI, modellerinin geçtiğimiz yılki eğitim sürecinde tarayıcı kullanımı, bilgisayar kullanımı ve bağlayıcılarla ilgili görevlerde daha hızlı, daha yetenekli ve daha uyumlu hâle geldiğini söylüyor. Bu yetenekler, ChatGPT aracılığıyla sunulabilecek yardımın kapsamını genişletiyor. Ürünün yönü, pratik eylemleri yerine getirebilen ve ChatGPT’nin rolünü sohbetin ötesine taşıyan, ajan tabanlı bir kişisel asistana doğru ilerliyor.
OpenAI, bu değerlendirmenin ölçüm hedefini ilerletmeye yardımcı olmasını umduğunu söylüyor.
